Använda majs och sojabönor som testplats, forskare vid Pacific Northwest National Laboratory utarbetade metoder för att titta in i mekanismerna som modulerar variationerna i avkastningsutbytet. De använde statistiska modeller för att undersöka hur klimatvariationer påverkar avkastningen av dessa populära bioenergigrödor på länsnivå. Bland klimatfaktorer, laget visade att temperaturen är dominerande i majsväxande län, både i volym och procentandel av produktionen. Nederbörd har en liknande inverkan. Mängden energi från solen, eller strålning, har en mycket mindre effekt USA-omfattande på både sojabönor och majs.

För att förstå effekten av hanteringsmetoder, forskargruppen utformade och genomförde numerisk modellering för att avslöja hur bevattning och gödsling påverkar variationerna i grödans avkastning. I genomsnitt över USA, gödsling har större påverkan än bevattning. Arbetet visade att dynamiskt bestämmande av gödslingstider och hastigheter i deras modeller kraftigt kan förbättra den förutsägbara förmågan för avkastning av båda grödorna.

Grödproducenter arbetar för att öka sitt spel för att tillgodose en ökande efterfrågan på energi och matproduktion för mer välbärgade och växande befolkningar. Än, som någon bonde kommer att intyga, även de bästa jordbruksmetoderna kan ångras av en värmebölja eller andra förödande väderhändelser. Att förstå den relativa rollen för klimatvariation och jordbruksmetoder som bevattning och befruktning är viktigt för att säkerställa jordbrukets och energins hållbarhet.

"Vår datadrivna analys avslöjade de dominerande klimatfaktorerna vid reglering av majs och sojabönor som varierar i länskala för USA, "sa Dr Maoyi Huang, motsvarande författare och klimatmodellerare på PNNL, "vilket hjälpte oss att bättre förstå historiska avkastningsvariationer."

"Baserat på observationer från olika källor, vi förbättrade den processbaserade modellens prestanda och visade vikten av att inkludera gödslingsnäringar i simulering av grödor, sa Huang.

Teamet analyserade utbyten av majs och sojabönor på länsnivå, två populära bioenergigrödor, använder US Department of Agriculture (USDA) undersökningsdata och observerat klimat. Deras mål var att förstå hur växtsäsongen (juni, Juli och augusti) medeltemperatur (T), nederbörd (P), och strålning (R) påverkar grödorna tillsammans och var för sig i länets skala. I deras analyser, de tog bort kovariabiliteten bland T, P, och R för att undersöka effekterna av varje enskild klimatfaktor på grödorna. Baserat på de olika klimatvariablernas relativa bidrag till variationen i grödor, de konstruerade rumskartor på de dominerande klimatfaktorerna.

Teamet använde också modeller för att förstå jordbruksförvaltningens roll för grödor. Med hjälp av gemenskapsmodellen i det ständiga USA, de fann att bevattning har begränsade effekter på skördeavkastningen jämfört med gödsling. Från denna forskning, laget föreslog en prognostisk befruktningsmetod genom att dynamiskt bestämma befruktningstidpunkt och hastigheter i modellen. De visade att den nya metoden är mer effektiv än den traditionella metoden för att förbättra modellprestanda i länets skala.

"Genom att syntetisera observerad information från källor som US Department of Agriculture och US Geological Survey, våra förbättrade process- och observationsbaserade modeller kan hjälpa oss att förstå de bakomliggande mekanismerna bakom variationer i avkastningsskörd i den amerikanska länsskalan, "sade huvudförfattaren Dr Guyong Leng, en statistisk och numerisk modellerare vid PNNL.

Författarna kommer att titta på hur klimathändelser som torka/översvämningar och värmeböljor/kalla perioder kommer att utvecklas i framtiden och förutse hur grödorna kan reagera. De kommer att integrera modelleringsmetoder med andra analys- och modellverktyg under en mångsidig modelleringsram för flera sektorer för att utvärdera hur ekosystem, hydrologi, och socialekonomiska beslut kommer att utvecklas i ett förändrat klimat.